【翻译练习】O'Reilly机器学习应用调查的5个显著发现

本文翻译自O'Reilly网站，原文链接

引言：新的调查结果突出了组织处理机器学习向主流学习的方式

作者： Ben Lorica、Paco Nathan，2018年8月7日

从我们的机器学习采用调查中可以获得“企业机器学习采用情况”的免费报告，以获得完整的调查结果。

随着机器学习越来越广泛的被企业采用，O’Reilly开始着手调查我们的读者，去更多的了解公司是如何处理这项工作的。具有更多的在生产中应用机器学习经验的公司与刚刚起步的公司，在方法的使用上有显著的不同吗？对于那些还没有开始这项工作的公司，有没有可能有帮助的最佳方法呢？

现在来看看机器学习的主流应用——特别是考虑到最近数据隐私立法，例如欧洲的数据通用保护条例（GDPR）和加利福尼亚一次类似的政治运动.

我们想要探讨当前的趋势，尤其是这些问题：

1、随着在生产中应用模型的年限增长，采用了机器学习的公司能够得到什么程度的经验。

2、文化和组织方面的影响是什么？——比如，岗位支撑变了吗？

3、谁来构建机器学习模型：内部团队、外部顾问、云API吗？

4、组织中决策和优先事项是如何设置以及由谁设置的？

5、应用于开发机器学习的方法是什么，例如，Agile敏捷开发插件？

6、用什么指标来度量成功？

该调查的显著发现包括：

1、在机器学习领域有丰富经验的公司中，专门针对机器学习的职位已经被广泛应用：数据科学家（81%）、机器学习工程师（39%）、深度学习工程师（20%）。

2、来在具有广泛机器学习经验的公司中，二分之一（54%）的受访者检查公平性和偏见。总体而言，40%的受访者表示他们的公司检查模型的公平性和偏见。随着教程和培训材料的提供，能够解决公平和偏见的公司数量应该增加。

3、在机器学习方面具有丰富经验的公司中，有两分之一（53%）的受访者检查隐私（所有公司的受访者中43%）。欧盟的GDPR规定“通过设计隐私”（“包括从系统设计开始的数据保护而不是后期增加”），这意味着更多的公司将把隐私添加到他们的机器学习清单。幸运的是，随着隐私保护分析和机器学习的工具和方法的兴起，新法规也在兴起。

4、1/2（51%）的受访者使用内部数据科学团队来构建机器学习模型，而来自云供应商的AutoML服务的使用率很低，而且这种分化在成熟的团队中更加明显。经验较少的公司往往依赖于外部顾问。

5、成熟的团队倾向于让数据科学领导者设定团队的优先事项，并确定项目成功的关键指标——这是传统软件工程中通常由产品经理执行的职责。

要深入的了解这些观点和更多内容，请下载免费报告《企业中机器学习采用状况》，其中包含我们机器学习采用调查的全部结果。

参加9月11日-9月13日在纽约举办的全球顶级大数据会议Strata Data Conference，对机器学习有更深入、更广泛的理解。